电池模型与卡尔曼滤波 · 课程目录

🧪 友好色系 · 紧凑卡片 ⚡ 点击章节跳转对应 .html 文件

01

课程导论概览

电池模型与卡尔曼滤波融合的意义、应用场景（电动汽车、储能系统）、课程大纲概览。

02

电池基础特性核心

电压、电流、温度、SOC、SOH基本概念。

03

等效电路模型(ECM)基础

Rint模型、Thevenin模型、PNGV模型的数学表达与物理意义。

04

一阶RC等效电路模型

模型结构、参数辨识(最小二乘法)、离散化状态空间方程推导。

05

二阶RC等效电路模型

与一阶模型的区别、参数辨识流程、精度对比分析。

06

OCV与SOC关系

OCV-SOC曲线获取实验、多项式拟合与查表法。

07

电池参数辨识实验设计

脉冲放电实验(HPPC)、数据采集与预处理、参数提取步骤。

08

卡尔曼滤波入门核心

状态估计问题、贝叶斯滤波思想、五大核心公式。

09

线性卡尔曼滤波(KF)实现

以一阶RC模型为例，Python代码实现状态与协方差更新。

10

扩展卡尔曼滤波(EKF)原理

非线性系统线性化(泰勒展开)、雅可比矩阵计算。

11

EKF在电池SOC估计中的应用

状态方程与观测方程构建、噪声协方差矩阵调参技巧。

12

无迹卡尔曼滤波(UKF)原理

无迹变换(UT)、Sigma点选取、与EKF精度对比。

13

UKF在电池SOC估计中的实现

Python代码实现、与EKF仿真对比分析。

14

自适应卡尔曼滤波(AKF)

噪声协方差自适应调整、Sage-Husa算法原理与实现。

15

强跟踪卡尔曼滤波(STF)

渐消因子引入、应对模型失配与突变工况。

16

卡尔曼滤波参数调优实战

Q矩阵、R矩阵、初始P矩阵的设置经验与调试方法。

17

联合仿真框架

Simulink/Python联合仿真框架搭建。

18

基于EKF的电池SOH估计

容量衰减模型、内阻增长模型、双卡尔曼滤波结构。

19

双扩展卡尔曼滤波(DEKF)

同时估计SOC与SOH，状态与参数联合估计架构。

20

基于UKF的峰值功率估计(SOP)

实时功率能力预测、电压与电流约束处理。

21

卡尔曼滤波在电池均衡系统中的应用

均衡电流估计、均衡策略优化。

22

电池传感器故障诊断

基于卡尔曼滤波残差分析的故障检测与隔离方法。

23

多时间尺度卡尔曼滤波

微观(秒级)与宏观(分钟级)状态分离估计策略。

24

粒子滤波(PF)入门

与卡尔曼滤波的区别、重要性采样、重采样技术。

25

粒子滤波在电池SOC估计中的应用

粒子退化问题处理、与EKF/UKF精度对比。

26

卡尔曼滤波的硬件部署考虑

嵌入式实现(C代码生成)、计算资源优化、定点化处理。

27

工程案例：BMS实际数据回放

某电动汽车BMS实际数据回放与分析。

28

卡尔曼滤波的局限性讨论

非线性强、噪声非高斯、计算量大等场景的应对策略。

29

前沿趋势：深度学习融合

基于深度学习的电池状态估计、数据驱动与模型驱动融合方法。

30

课程总结与项目实战 🚀

搭建完整的电池SOC/SOH联合估计系统，输出技术报告。